DeepSun：面向太阳耀斑预测的机器学习即服务
天体物理仪器与方法
2021-09-08 v1 机器学习
摘要
太阳耀斑预测在理解和预报空间天气中起着重要作用。太阳动力学观测台（NASA）上的仪器之一——日震与磁成像仪（HMI）的主要目标是研究太阳变异性的起源并刻画太阳的磁活动。HMI提供连续的日面全日面矢量磁场观测，具有高节奏数据，从而带来可靠的预测能力；然而，利用这些数据的太阳耀斑预测工作仍然有限。本文中，我们提出一种称为DeepSun的机器学习即服务（MLaaS）框架，用于基于HMI数据产品在Web上预测太阳耀斑。具体而言，我们利用空间天气HMI活动区斑块（SHARP）提供的物理参数构建训练数据，并根据国家环境信息中心（NCEI）可用的X射线耀斑目录将太阳耀斑分为B、C、M、X四类。因此，手头的太阳耀斑预测问题本质上是一个多类（即四类）分类问题。DeepSun系统采用若干机器学习算法应对该多类预测问题，并为远程编程用户提供应用程序编程接口（API）。据我们所知，DeepSun是首个能够通过互联网预测太阳耀斑的MLaaS工具。
引用
@article{arxiv.2009.04238,
title = {DeepSun: Machine-Learning-as-a-Service for Solar Flare Prediction},
author = {Yasser Abduallah and Jason T. L. Wang and Yang Nie and Chang Liu and Haimin Wang},
journal= {arXiv preprint arXiv:2009.04238},
year = {2021}
}
备注
8 pages, 6 figures